REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD RÓMULO GALLEGOS
ÁREA CIENCIAS DE LA SALUD
PROGRAMA DE MEDICINA
1. Calcular los coeficientes de correlación.
[Link]:
Para estudiar la relación lineal existente entre dos variables continuas es necesario disponer
de parámetros que permitan cuantificar dicha relación. Uno de estos parámetros es la
covarianza, que indica el grado de variación conjunta de dos variables aleatorias.
Siendo ̅ e y ̅ la media de cada variable y e el valor de las variables para la
observación i.
La covarianza depende de las escalas en que se miden las variables estudiadas, por lo tanto,
no es comparable entre distintos pares de variables. Para poder hacer comparaciones se
estandariza la covarianza, generando lo que se conoce como coeficientes de correlación.
[Link] de correlación lineal
Coeficiente Rho de Spearman
Coeficiente Tau de Kendall
Coeficiente de Pearson
Todos ellos varían entre +1 y -1. Siendo +1 una correlación positiva perfecta y -1 una
correlación negativa perfecta.
Se emplean como medida de fuerza de asociación (tamaño del efecto):
0: asociación nula.
0.1: asociación pequeña.
0.3: asociación mediana.
0.5: asociación moderada.
0.7: asociación alta.
0.9: asociación muy alta.
REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD RÓMULO GALLEGOS
ÁREA CIENCIAS DE LA SALUD
PROGRAMA DE MEDICINA
[Link] matemático
Coeficiente Rho de Spearman:
El coeficiente de Spearman es el equivalente al coeficiente de Pearson pero con una previa
transformación de los datos a rangos. Se emplea como alternativa cuando los valores son
ordinales, o bien, cuando los valores son continuos pero no satisfacen la condición de
normalidad requerida por el coeficiente de Pearson y se pueden ordenar transformándolos
en rangos. Al trabajar con rangos, es menos sensible que Pearson a valores extremos. Existe
una diferencia adicional con respecto a Pearson. El coeficiente de Spearman requiere que la
relación entre las variables sea monótona, es decir, que cuando una variable crece la otra
también lo hace o cuando una crece la otra decrece (que la tendencia sea constante). Este
concepto no es exactamente el mismo que linealidad.
Siendo di la distancia entre los rangos de cada observación (xi−yi) y n el número de
observaciones.
Coeficiente Tau de Kendall
Trabaja con rangos, por lo que requiere que las variables cuya relación se quiere estudiar
sean ordinales o que se puedan transformar en rangos. Al ser no paramétrico, es otra
alternativa al Coeficiente de correlación de Pearson cuando no se cumple la condición de
normalidad. Parece ser más aconsejable que el coeficiente de Spearman cuando el número
de observaciones es pequeño o los valores se acumulan en una región por lo que el número
de ligaduras al generar los rangos es alto.
Siendo C el número de pares concordantes, aquellos en los que el rango de la segunda
variable es mayor que el rango de la primera variable. D el número de pares discordantes,
cuando el rango de la segunda es igual o menor que el rango de la primera variable.
REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD RÓMULO GALLEGOS
ÁREA CIENCIAS DE LA SALUD
PROGRAMA DE MEDICINA
[Link] de correlación lineal en variables cuantitativas y asociadas
Coeficiente de Pearson (ρ)
El coeficiente de correlación de Pearson es la covarianza estandarizada, y su ecuación
difiere dependiendo de si se aplica a una muestra, Coeficiente de Pearson muestral (r), o si
se aplica la población Coeficiente de Pearson poblacional (ρ)
Condiciones
La relación que se quiere estudiar entre ambas variables es lineal (de lo contrario, el
coeficiente de Pearson no la puede detectar).
Las dos variables deben de ser cuantitativas o asociadas.
Normalidad: ambas variables se tienen que distribuir de forma normal.
Homocedasticidad: La varianza de Y debe ser constante a lo largo de la variable X. Esto se
puede identificar si en el scatterplot los puntos mantienen la misma dispersión en las
distintas zonas de la variable X
Características
Toma valores entre [-1, +1], siendo +1 una correlación lineal positiva perfecta y -1 una
correlación lineal negativa perfecta.
Es una medida independiente de las escalas en las que se midan las variables.
No varía si se aplican transformaciones a las variables.
No tiene en consideración que las variables sean dependientes o independientes.
El coeficiente de correlación de Pearson no equivale a la pendiente de la recta de regresión.
Es sensible a outliers, por lo que se recomienda en caso de poder justificarlos, excluirlos del
análisis.
REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD RÓMULO GALLEGOS
ÁREA CIENCIAS DE LA SALUD
PROGRAMA DE MEDICINA
Interpretación
Además del valor obtenido para el coeficiente, es necesario calcular su significancia. Solo si el p-
value es significativo se puede aceptar que existe correlación y esta será de la magnitud que indique
el coeficiente. Por muy cercano que sea el valor del coeficiente de correlación a +1 o -1, si no es
significativo, se ha de interpretar que la correlación de ambas variables es 0 ya que el valor
observado se puede deber al azar.
